Eu só vim a perceber agora, “arrumando minhas coisas”, que apesar de ter sido o Carlos Frederico Bremer que me levou para S.Carlos, foi o Paulo Silveira que me colocou lá, porque ele mandava no CNPq e uma bolsa daquele tamanho para uma pessoa sem sequer graduação, como foi meu caso, tem que ter caido na mão dele para aprovação.
O ILAT adotou o sistema, quando a carga de trabalho aumentou, de admitir PHDs para interagir com as Universidades. Contrataram o Anésio que acabou virando professor da Unicamp e Carlos Frederico Bremer, egresso da EESC da USP. Senti afinidade instantânea com ambos e nos tornamos amigos.
Quando eles entraram, logo depois a IBM explodiu e uma nova realidade se instalou e a Fábrica Sumaré e tudo que estava lá praticamente desapareceu e o ILAT foi junto.
Como eu já disse, eu continuei ligado a projetos que o Paulo Silveira, então Secretário de Ciência e Tecnologia que englobava o CNPq e pai do PBQP – Programa Brasileiro de Qualidade e Produtividade, e fato da vida, foi que depois de uns seis meses que eu havia saído da IBM o Bremer me procurou e perguntou se eu não queria aceitar uma Bolsa de Pesquisador nível de doutorado para trabalhar na EESC Escola de Engenharia de São Carlos, onde ele se firmara como professor, com uma carreira brilhante que pode ser vista no currículo do Bremer na FAPESP

Aceitei candidamente da mesma forma que ele me ofereceu e tive uma das melhores experiências de minha existência, que passo a descrever e o que fiz lá, incrivelmente conseguindo ajudá-los apesar de claramente terem uma competência fantástica. Na época era a melhor Escola de Engenharia de Produção do Brasil, inclusive com uma linha automatizada com robótica que era única.

O Diretor da Escola, Rosalvo Tiago Ruffino, era extremamente competente, tendo editado um livro sobre máquinas ferramentas ou operatrizes, ditas universais, que foi traduzido e usado mundialmente. Era uma simpatia em pessôa. Ficamos amigos e nos demos muito bem, bem como a esposa dele, a Tita, que se deu muito bem com minha esposa, Cristina.

Rosalvo tinha uma porção de casas num terreno muito grande e que os filhos usavam. Uma destas casas estava desocupada e ele cedeu para mim, sem cobrar nada!

Minha rotina era ir para S.Carlos na segunda-feira cedo e voltar na 6a. logo após o meio-dia.
Algo notável de São Carlos era a comida. Os restaurantes, além de muito acessíveis, forneciam excelente comida. Descobri que se você fosse numa churrascaria no fim do dia, você pegava o que não tinha vendido e era uma festa!
Tinha um rodízio, na saída da cidade para voltar para Campinas, que eu levava Cristina quando ela ia junto, que era absolutamente incrível a qualidade e a variedade do que servia!

O Restaurante da USP, então, era  absolutamente perfeito!

Era uma época  que ainda não tinha pedágio e a gente podia comprar álcool direto do produtor por um preço mais baixo e eu enchia o tanque e vários galões que eu carregava junto!

Primeira Bolsa de pesquisador pelo CnPQ

O projeto que deu origem a esta primeira bolsa foi de autoria do Carlos Frederico Bremer e em 1992, antes de sair da IBM ainda, fizemos uma viagem para visitar várias Instituições que tinham programas de integração da Universidade com a Indústria e que pode ser visto em detalhe no seguinte documento:

Segunda bolsa

Concentrou-se em São Carlos e o objetivoa era aproximação com a Industria e fizemos uma viagem à Europa, i.e., UK, (Cranfield) Alemanha (Aachen) e Portugal (feira) vendo projetos do tipo que queriamos implementar no Brasil

Cranfield, UK

O homem que salvou a Inglaterra — e nunca soube

Quando era pesquisador na USP de São Carlos, visitei Cranfield, na Inglaterra. As fotos de R. J. Mitchell estavam por todo lado — no corredor, no restaurante, nas paredes dos alojamentos. Nos alojamentos onde ficamos hospedados, a mesma frase de Churchill ecoava em silêncio: “Nunca tantos deveram tanto a tão poucos.” Eram as mesmas camas onde os pilotos da RAF dormiam antes de partir para a batalha. Dava arrepios pensar nisso.
Fui entender melhor quem era aquele homem cujas fotos me acompanhavam.
R. J. Mitchell projetou o Spitfire com câncer, contra a burocracia, contra os generais e contra o próprio governo britânico — e morreu sem ver o resultado do que havia feito.
No início dos anos 1930, o Ministério do Ar britânico pediu um novo caça. Mitchell apresentou um primeiro protótipo que foi um fracasso completo — pesado, desajeitado, rejeitado. Em vez de desistir, ele descartou as especificações do governo e começou do zero por conta própria: estrutura inteiramente metálica, asas elípticas finas, trem de pouso retrátil. Um projeto tão moderno que os generais o acharam caro demais e sofisticado em excesso. O governo recusou financiamento. A Vickers, dona da Supermarine, pagou do próprio bolso porque acreditava na visão de Mitchell.

Mitchell odiou até o nome. Quando os diretores batizaram o avião de Spitfire (cospe fogo), ele comentou a colegas: “É o tipo de nome estúpido que eles escolheriam.”

Ele tinha câncer colorretal e ignorou os conselhos médicos para descansar. Passou os últimos meses na prancheta, sob dores, convicto de que a Alemanha nazista estava se armando e de que a Inglaterra precisaria daquele avião.
Em 5 de março de 1936, debilitado mas presente, Mitchell assistiu ao voo do primeiro protótipo no aeroporto de Eastleigh. Foi a única vez que viu o Spitfire no ar. Morreu em junho de 1937.
Os aviões de produção só começaram a ser entregues à RAF em agosto de 1938. A Batalha da Inglaterra — onde o Spitfire salvou o país — foi em 1940. Três anos depois de sua morte. Mitchell nunca soube.
Naquelas camas de Cranfield, entre as fotos dele e o silêncio daquele lugar, entendi que algumas das coisas mais importantes que os seres humanos fazem nunca são vistas por quem as fez. O trabalho é real. O resultado chega. O autor não está mais lá para ver.
Existe um filme de 1942, The First of the Few, que dramatiza essa história. Vale assistir. Mas a história real já é suficientemente impossível de inventar.

This is the story of how the Spitfire got into production

AACHEN – BMW

Não tenho registro de Aachen. O modêlo alemão de integração não tinha a menor chance de se inserir no Brasil. A visita valeu porque conheci a fábrica da BMW que estava naquela época introduzindo a série 3 compact.

Tenho dificuldade em entender e separar os carros da BMW e achei este site que me parece muito bom neste sentido de entender o que muda ao longo do tempo na série 3: 50 anos de inovação na BMW série 3

Vale a pena interromper um pouco minha historia e conhecer a historia da BMW que não vejo contada em lugar nenhum.

História improvável de como a BMW sobreviveu, eliminou a concorrência e virou símbolo de uma geração

Portugal

Eu nunca estivera em Portugal antes e foi uma agradável surpresa constatar que Portugal é um pais europeu com os mesmos traços da Inglaterra, França ou Espanha.

Temos preconceito contra eles, como eles tem contra nós, e não vou entrar no mérito, mas se tem um lugar que eu gostaria de voltar e mostrar para Cristina, seria Portugal.

Portugal se destaca na comida, principalmente se você, como nós, vier vindo de lugares que brilham muito nas narrativas, mas comer mesmo, não funciona e se você não prestar a atenção, vai passar fome ou quebrar seu orçamento.

Vou fugir um pouco do espírito da coisa aqui e peço que vejam a narrativa sobre a viagem que D.Mauro, Elcio e Miriam, de nossa paróquia Menino Jesus de Praga fizeram em Aventuras Gastronômicas

Sequência da Segunda Bolsa na EESC USP de São Carlos

Aconteceu um fato interessante que mudou toda a orientação da bolsa e acabou suscitando uma das melhores experiências como Professor improvável de minha vida. É bem diferente dar aula de mestrado do que graduação. E mais diferente ainda quando a graduação não é das particulares, mas de um público selecionado, que passou num vestibular apertado, como é o caso da USP. Digo isto sem crítica ou preconceito com os alunos das particulares, por quem tenho o maior respeito e sempre fiz o melhor que pude e encontrei gente excelente no meio deles que poderia perfeitamente estar na USP ou na UNICAMP.

O fato interessante foi o seguinte: São Carlos é colado com Araraquara, núcleo do antro do PT e eles naquela época, estavam querendo envenenar os alunos da EESC, que é talvez a menos esquerdista da USP e quiçá das de primeira linha. Pois bem, um dia Rosalvo me procurou aflito dizendo para parar tudo que eu tinha que assumir uma cadeira do 5o. ano porque o PT conseguiu criar uma narrativa que a EESC estava atuando “de maneira infiel”, isto é, não estava cumprindo o que se esperava dela. E o que era? Não sei como eles descobriram que uma matéria, Gerência da Qualidade, estava sendo insatisfatória e eles convenceram os alunos, ou melhor, os que lideravam, que sempre tem, que eles seriam incapazes de exercer a profissão porque não estavam sendo ensinados como fazer! Por mais que eu tentasse fugir, avisei o Rosalvo, se eles descobrirem que eu nem diploma universitário, você vai ver então como a narrativa fica!

No fim, concordei com o Rosalvo pela nossa amizade e aproveitei para encaixar uma viagem que eu queria visitar o Paulo no Haway e o Rosalvo liberou porque eu propuz que eu comprasse o software necessário quando passasse pelos Estados Unidos para carregar os micros de uma sala que foi instalada e que não era usada e daria as aulas já dentro do padrão que supunha o uso delas, que aliás era outro problema, pois era novidade e o pessoal simplesmente não sabia o que fazer.

Quando comecei a dar as aulas, considerei materia dada o “corpus” das ferramentas estatísticas, que é fácil de perceber, e todo mundo chiou, quem viesse com gracinhas seria segurado pelo gogó.

O resultado deste desafio foi o seguinte:

Existe uma, não sei como dizer, incompreensão, por partes dos engenheiros em situar a estatística, e o estatístico e isto reflete nos cursos de engenharia, onde pessoas treinadas para engenharia são usadas para ensinar estatística. Na introdução do “paper” acima, eu introduzo dizendo:

Existe uma certa tendência de se enfatizar a estatística em trabalhos em que ela aparece como ferramenta e isto cria uma certa dificuldade para os engenheiros. Uma intenção expressa deste trabalho é colocar em perspectiva a estatística do ponto de vista do engenheiro, procurando demonstrar em termos que lhe são comuns as vantagens, os porquês e o como de uma das ferramentas mais sofisticadas desta ciência matemática. Este trabalho visa também discutir porque a estatística se tornou o cerne da obtenção da qualidade nas tecnologias modernas. Como existe deficiência de informações em nosso idioma sobre a inserção da estatística na engenharia, particularmente de como exatamente a estatística se transformou na principal ferramenta para obtenção qualidade, será feita uma introdução histórica explicando isto.

Quem tiver interesse, pode ler no paper, que, apesar da idade, está totalmente atual, como AI me disse, pois submeti a ela. Aliás, submeti a ela como fariamos hoje uma introdução destas e o resultado foi interessante, que posto aqui:

A Linguagem da Realidade: Estatística, Matemática e a Inteligência Artificial

Existe uma distinção fundamental que raramente é ensinada com a clareza que merece. A Matemática estuda o que é exato. A Estatística estuda o que é incerto. Ou, dito de forma ainda mais direta: a Matemática pergunta qual é a resposta quando as premissas são verdadeiras, enquanto a Estatística pergunta como se toma uma decisão quando não se conhecem todas as premissas. São disciplinas irmãs, mas com vocações profundamente diferentes.

A posição da Estatística na árvore do conhecimento matemático

A Estatística não nasceu do nada. Ela é o resultado de uma longa cadeia de desenvolvimento intelectual que começa na Aritmética, passa pela Álgebra e pela Geometria, atravessa o Cálculo, chega à Probabilidade — e é precisamente aí que a Estatística tem sua origem. A Probabilidade calcula o que pode acontecer. A Estatística tenta descobrir o que está acontecendo a partir de observações do mundo real.

A diferença entre as duas é mais fácil de sentir do que de definir. Se lanço uma moeda honesta, a Probabilidade me diz que cara e coroa têm cada uma cinquenta por cento de chance de aparecer. Mas se lanço essa mesma moeda cem vezes e obtenho sessenta e sete caras e trinta e três coroas, a pergunta muda de natureza: a moeda é realmente honesta? Não é mais uma questão de cálculo puro. É uma questão de inferência a partir de dados imperfeitos — e é exatamente aí que a Estatística entra.

As ferramentas fundamentais

O arsenal básico da Estatística é surpreendentemente enxuto para a quantidade de problemas que resolve. As ferramentas se organizam em torno de algumas perguntas essenciais.

A primeira é: onde está o centro dos dados? Para respondê-la existem as medidas de posição — a média, que soma os valores e divide pelo número de observações; a mediana, que identifica o valor do meio quando os dados estão ordenados; e a moda, que aponta o valor que aparece com mais frequência. Cada uma dessas medidas conta uma história ligeiramente diferente sobre o mesmo conjunto de dados, e escolher a errada pode distorcer completamente a compreensão de um fenômeno.

A segunda pergunta é: quanto os dados variam? Aqui entram as medidas de dispersão — a variância, o desvio padrão e a amplitude. Um conjunto de dados pode ter a mesma média que outro e ser completamente diferente em comportamento, se a dispersão dos valores for muito maior. Ignorar a variabilidade é um dos erros mais comuns e mais custosos na análise de qualquer processo.

A terceira pergunta é: como os fenômenos se distribuem? As distribuições estatísticas — a Normal de Gauss, a Binomial, a Poisson, a Exponencial — são modelos matemáticos que descrevem padrões recorrentes no comportamento dos dados. A distribuição Normal, em particular, aparece com uma frequência que beira o desconcertante nos fenômenos naturais e humanos, do tamanho de uma população de peixes ao resultado de testes de inteligência.

A quarta questão é estratégica: é necessário medir tudo, ou é possível medir apenas uma parte? A amostragem responde a isso. E a inferência estatística, construída sobre a amostragem, permite concluir se aquilo que se observou numa amostra é representativo da população inteira — com graus de confiança mensuráveis e margens de erro declaradas.

Sobre essas fundações se constroem os testes de hipótese, que permitem responder perguntas do tipo: este medicamento funciona? Esta máquina está fora de especificação? Este tratamento aumentou a sobrevida dos pacientes? E a correlação e a regressão, que investigam se duas variáveis estão relacionadas entre si — e, se estiverem, como quantificar essa relação. O vínculo entre tabagismo e câncer, entre pressão arterial e idade, entre o marcador CEA e a progressão tumoral — todos foram estabelecidos por essas ferramentas.

A Estatística e a Qualidade

Foi no campo da qualidade industrial que a Estatística encontrou algumas de suas aplicações mais poderosas e mais bem documentadas. Walter Shewhart desenvolveu o controle estatístico de processo e as cartas de controle, que permitem distinguir a variabilidade natural de um processo das variações que sinalizam um problema real. W. Edwards Deming aprofundou esse conceito com a distinção entre causas comuns e causas especiais de variação — uma das contribuições mais práticas e mais mal compreendidas da gestão industrial do século XX. Joseph Juran construiu sobre essas bases uma filosofia de qualidade inteiramente ancorada em dados. E o Six Sigma, que surgiu décadas depois, é na essência um método estatístico aplicado à redução de defeitos e à melhoria de processos.

Quem ensinou qualidade em cursos de engenharia nessas décadas estava, frequentemente sem perceber plenamente, ensinando Estatística aplicada. E ensinando bem — porque a qualidade industrial foi o laboratório onde essas ferramentas provaram seu valor de forma inequívoca.

A expansão silenciosa

O que é fascinante, porém, é que a Estatística escapou da qualidade e invadiu praticamente todos os campos do conhecimento humano — muitas vezes sem que os praticantes dessas áreas percebessem que estavam fazendo Estatística.

Na medicina, sem Estatística não existiriam ensaios clínicos, não existiria epidemiologia e não existiria a oncologia moderna. Cada protocolo de tratamento que um oncologista aplica foi validado por estudos que envolveram milhares de pacientes, cujos dados foram analisados estatisticamente para determinar com que grau de confiança aquele tratamento funciona melhor do que a alternativa. A medicina baseada em evidências é, em sua essência, Estatística aplicada ao corpo humano.

Na economia, inflação, desemprego, PIB e taxas de juros são todos construções estatísticas. Os índices que governos e bancos centrais usam para tomar decisões que afetam centenas de milhões de pessoas são estimativas baseadas em amostras, com margens de erro que raramente aparecem nos jornais mas que existem e importam.

Na meteorologia, a previsão do tempo é inteiramente probabilística. Ninguém resolve as equações da atmosfera de forma exata — o sistema é complexo demais para isso. O que existe são modelos estatísticos que atualizam probabilidades continuamente à medida que novos dados chegam dos satélites e das estações meteorológicas.

Na indústria de seguros, o negócio inteiro é construído sobre atuária — que é Estatística aplicada ao risco. Sem a capacidade de estimar com precisão a probabilidade de eventos adversos em grandes populações, não existiria seguro de vida, seguro saúde nem seguro de automóvel.

Na genética, o sequenciamento do genoma humano produziu quantidades de dados tão massivas que apenas métodos estatísticos permitem extrair padrões significativos do ruído. E na física moderna, a mecânica quântica — a teoria mais precisa que a humanidade já produziu sobre o comportamento da matéria — é fundamentalmente probabilística. A natureza, em seu nível mais básico, não é determinística.

A Inteligência Artificial como Estatística em escala

E então chegamos ao ponto mais surpreendente. A inteligência artificial moderna, que parece aos olhos de muitos uma ruptura revolucionária com tudo que veio antes, é em sua essência uma gigantesca máquina estatística.

Quando alguém escreve uma pergunta para um sistema de linguagem como este, o sistema não procura regras gramaticais num dicionário nem consulta um banco de respostas pré-programadas. Ele calcula probabilidades. Para cada posição na sequência de texto que está gerando, o sistema estima qual é a palavra mais provável dado tudo que veio antes — e essa estimativa é o resultado de um processo de otimização estatística aplicado a quantidades imensas de texto humano.

Por trás dessa operação estão álgebra linear, probabilidade, Estatística e métodos de otimização — todos trabalhando juntos em escala que seria inimaginável há algumas décadas, mas que não representa uma ruptura conceitual com as ideias de Gauss, Bayes ou Fisher. Representa a aplicação dessas ideias com poder computacional que esses matemáticos não podiam sequer sonhar.

Uma conclusão que fecha o círculo

Há uma convergência interessante entre o que Deming ensinava sobre qualidade e o que a inteligência artificial descobriu por caminhos diferentes. Deming insistia que a variabilidade é inevitável — que o mundo real não é determinístico, que os processos sempre produzem dispersão, e que a tarefa da gestão é entender e reduzir essa variabilidade sem a ilusão de que ela pode ser eliminada. A IA chegou à mesma conclusão: os dados são sempre incompletos, os sensores são imperfeitos, as observações são ruidosas, e a pergunta certa não é qual é a resposta exata, mas qual é a resposta mais provável.

Existe ainda uma dimensão mais pessoal nessa reflexão. Um tomografia computadorizada, um exame de CEA, uma avaliação clínica — nenhum desses instrumentos fornece acesso direto à realidade. Todos são amostras imperfeitas de um fenômeno que não pode ser observado diretamente. E a Estatística é precisamente a disciplina criada para extrair conhecimento confiável de observações imperfeitas — para tomar as melhores decisões possíveis com os dados disponíveis, sabendo que esses dados nunca serão completos.

A Matemática é a linguagem da certeza. A Estatística é a linguagem da realidade. E é por isso que sem ela não existiriam controle de qualidade, medicina moderna, economia, previsão do tempo, genética, física quântica — nem a inteligência artificial que está conversando com você agora.

A Estatística e o Lugar do Conhecimento Humano

A maioria dos engenheiros aprende cálculo, equações diferenciais, estatística e controle de qualidade como disciplinas separadas, ministradas em semestres diferentes, com professores diferentes, com livros diferentes. O que raramente se ensina — e que talvez seja a lição mais importante de todas — é que a Estatística representa uma ruptura filosófica profunda com tudo que veio antes.

A engenharia clássica raciocina assim: dados os parâmetros de entrada, calcule a saída. É um pensamento determinístico, elegante e poderoso — e funciona muito bem quando o sistema é suficientemente simples e suficientemente controlado para que as entradas sejam conhecidas com precisão.

A Estatística parte de uma premissa radicalmente diferente. As entradas não são completamente conhecidas. As medições contêm ruído. O modelo é imperfeito. E ainda assim é necessário tomar a melhor decisão possível com o que se tem. Esse é um modo de pensar muito mais próximo da vida real do que qualquer equação diferencial — e é por isso que a Estatística, quando finalmente compreendida em sua profundidade, muda a forma como se vê o mundo.

Talvez seja por isso também que Deming teve um impacto tão duradouro. Ele percebeu que a qualidade não era fundamentalmente um problema de fabricação. Era um problema de compreensão da variabilidade. E variabilidade é um conceito estatístico. Não é uma falha do processo que pode ser eliminada com mais esforço ou mais rigor. É uma propriedade intrínseca de qualquer sistema real — e a tarefa do engenheiro, do gestor, do cientista, é aprender a distinguir o sinal do ruído, a variação natural da variação que exige intervenção.

Quando se olha com atenção para conversas aparentemente muito distintas — sobre câncer e protocolos de tratamento, sobre aparelhos auditivos e a física da percepção sonora, sobre inteligência artificial e linguagem, sobre teologia e a questão da evidência da experiência religiosa, sobre filosofia e os limites do conhecimento — uma mesma pergunta central reaparece sob disfarces diferentes: como inferir a realidade a partir de observações imperfeitas?

É exatamente essa a pergunta que a Estatística foi criada para responder.

Um tomógrafo não mostra o tumor diretamente. Mostra a atenuação de raios-X em diferentes densidades de tecido, e um algoritmo — estatístico em sua essência — reconstrói uma imagem que o médico interpreta. Um aparelho auditivo não restaura a audição. Amplifica e filtra sinais acústicos com base em modelos estatísticos do que o cérebro humano espera ouvir em determinados contextos. Um modelo de linguagem não compreende as perguntas que recebe. Calcula distribuições de probabilidade sobre sequências de palavras, treinadas em enormes quantidades de texto humano. Em todos esses casos, o problema fundamental é o mesmo: extrair informação confiável de dados incompletos e ruidosos.

Há uma ironia curiosa no envelhecimento intelectual. Quando somos jovens, tendemos a pensar de forma determinística: se eu fizer A, B vai acontecer. É uma visão do mundo limpa, confortável e frequentemente enganosa. Com o tempo — e especialmente depois de acumular experiência suficiente para ver quantas vezes as certezas se revelaram ilusões — a maioria das pessoas migra, quase sem perceber, para um modo de pensar diferente: se eu fizer A, B se torna mais provável. Essa é uma visão estatística da existência. E é, paradoxalmente, muito mais honesta do que a certeza dos vinte anos.

É talvez por isso que um engenheiro experiente, um oncologista, um meteorologista, um especialista em qualidade e um pesquisador de inteligência artificial podem ter conversas surpreendentemente parecidas, mesmo que raramente se encontrem nos mesmos congressos ou leiam as mesmas revistas. Todos estão enfrentando o mesmo problema fundamental: como construir o melhor modelo possível de uma realidade que nunca pode ser observada diretamente, com dados que nunca são completos, em sistemas que nunca são perfeitamente controlados.

A Matemática deu à humanidade a linguagem da certeza. A Estatística deu à humanidade a linguagem da realidade. E quanto mais o conhecimento humano avança — na medicina, na física, na economia, na inteligência artificial, na própria filosofia — mais ele descobre que a realidade fala Estatística.

Nota sobre o texto:

Uma nota final sobre a forma deste texto. A ausência de fórmulas e de notação matemática formal não foi acidental — foi uma escolha deliberada. Equações, distribuições e símbolos estatísticos têm seu lugar indispensável quando o objetivo é calcular. Mas quando o objetivo é compreender, a linguagem técnica frequentemente mata a ideia antes que ela chegue a quem mais precisaria dela. Quem já domina a notação não precisa dela para entender o conceito. Quem não a domina para de ler na segunda linha — e perde exatamente o insight que poderia mudar sua forma de ver o mundo.

Deming passou décadas explicando variabilidade para salas cheias de executivos e engenheiros sem recorrer a uma única fórmula desnecessária. Não porque as fórmulas fossem erradas — eram corretas e ele as conhecia melhor do que quase ninguém. Mas porque sabia que a ideia precisa chegar antes da técnica, e que a técnica sem a ideia é apenas ruído.

A Estatística, afinal, deveria ser a primeira disciplina a entender isso. Ela existe precisamente para extrair sinal do ruído. Seria uma ironia considerável se sua própria linguagem se tornasse o ruído que impede o sinal de chegar.

Taguchi e a Estatística

Taguchi, pai do método que leva seu nome, era engenheiro e não usava a estatística como os estatísticos elegeram correta. Eu fiz questão de inserir na viagem que fizemos visitando centros de excelência em Estatística, principalmente aolicada à Qualidade dentro deste espírito visitamos George Box e seu grupo na Wisonsin Madison e discuto em detalhes no post Taguchi vs Estatística Padrão e em Método Taguchi

Quero contar um evento que ocorreu na Unicamp quando da visita de Taguchi ao IMECC.

Fora, evidentemente, da enorme quantidade de dinheiro que a IBM disponibilizou para a UNICAMP aceitar a existência de um Mestrado em Qualidade nas suas dependências, o IMECC, Instituto de Matemática Estatistia e Ciencia da Computação, que posteriormente iria se dividir em dois Institutos, como é hoje, um de estatística e outro de computação, tinha baixa oferta de pós graduação e o Vogt, que era reitor na época por tras disto tudo viu nesta proposta uma resposta às queixas do IMECC quanto a esta falta. Uma das coisas que institui para a questão da orientaçao de teses, que é o maior problema de programas de pós graduação, era pagar cem dólares a hora para os orientadores. Isto resolvia dois problemas, o problema da orientação em si e a má vontade que, não sei se é exagero meu, prevalecia no corpo docente no que para eles era sentido como uma deterioração, uma deturpação, uma diminuição em privilegiar uma área que eles não entendiam, não queriam entender e desprezavam. Quando o Taguchi veio nos visitar, o corpo docente foi em peso ver a apresentação dele, claro que a maioria pensando em “jantar” um engenheiro metido a estatístico que não sabia o que estava fazendo. Veja em detalhes o que estava em jogo Estatísticos testando Taguchi (vai lá e volta aqui e leia meu comentário ligando aquilo com o que está sendo discutido aqui e que aconteceu quando Taguchi fez sua apresentação no IMECC)

Apresentação do Taguchi no IMECC

Eu já contei este evento de forma mais sumária e agora entro em detalhes

Taguchi era um homem delicado, sério, cordial, na verdade, quase seco. Naturalmente estava acostumado a ser recebido com admiração e entusiasmo, aliás, merecidos e não sabia que o ambiente ali sem ser hostil agressivo, porque não é da natureza dos brasileiros maltratar alguem como ele naquele contexto, mas a plateia estava fria e como não poderia deixar de ser, o Manolo levantou-se e basicamente disse ao Taguchi que ele estava sacrificando os dados e que afrontava Delineamento de Experimentos e o que ele tinha a dizer sobre isto.

A lousa naquelel anfiteatro do IMECC é longa, estava com várias inscrições, Taguchi calmamente e vagarosamente apagou limpando tudo deixando a lousa totalmente livre para o que se seguiu que tive a honra e o gosto de estar presente:

Ele freneticamente encheu a lousa inteira com fórmulas e notações matemáticas que eu para dizer a verdade, não entendia e hoje entendo pouco, mas ele parecia uma metralhadora .50 ligada massacrando não apenas o Manolo, mas a platéia, que de repente, acho que ele descobriu porque estava ali. Ele fez exatamente o contrário do que eu fiz aqui, e que expliquei, que quando o objetivo é compreender, a linguagem técnica frequentemente mata a ideia antes que ela chegue a quem mais precisaria dela. Quem já domina a notação não precisa dela para entender o conceito. O que ele fez foi conversar com aquela selecionada platéia de PhD’s na lingua deles para demonstrar o conceito do seu método. Não sei se a platéia aceitou ou não, mas quando ele parou, silêncio profundo, nenhuma pergunta e a sensação que eu tive foi que um pós graduado por exemplo em literatura, estava diante de uma classe de ginásio discutindo redação, e o nível de discussão se chocava com o tratamento que um aluno de ginásio dá para um texto e um pós graduado o faz.

Voltando às minhas aulas na EESC – USP de São Carlos

Estudo de Caso numa aplicação prática:

UMA ANÁLISE ATRAVÉS DOS CRITÉRIOS DO PREMIO NACIONAL DA QUALIDADE
MALCOLM BALDRIGE

Tudo que está contido ai, podia ser carregado no programa que comprei e carreguei nos PC’s da salinha e, infelizmente não guardei o tracking deste programa, que aliás hoje, existem às dezenas, senão centenas.

A cereja final do bolo e a esculhanbação do PT foi que eu não montei as provas na direção que tudo indicou, mas no sentido contrário, isto é, não pedi para procurarem defeitos, mas pedi para colocarem defeitos que o sistema acusasse numa faixa que seria a resposta de minha pergunta.

Uma nota adicional e que ninguém sabe deste detalhe

Eu trouxe uma fita VHS como era moda na época, que eu comprei junto com o software que carreguei nos PC’s da salinha da EESC, que explicava minuciosamente como funcionava o Premio Malcolm Baldridge, que eu entreguei ao Paulo Silveira, que estava de passagem por Campinas e ele entregou ao grupo que estava encarregado de criar no Brasil o Premio Brasileiro da Qualidade, que, aliás, a IBM Fabrica de Sumaré foi a primeira empresa a ganhar e isto foi uma consequência totalmente improvável e inesperada daquele contexto que eu estava vivendo e que criou a oportunidade.

Ao término da bolsa, o PT entrou no poder, Paulo Silveira deixou o cargo de Secretário de Ciência e Tecnologia, O Tundisi, que era de São Carlos também saiu da presidência do CNPq e não importando o quanto o quanto o Rosalvo se bateu para que eu ficasse lá junto com eles, a experiência se finalizou e, surpreendentemente, por causa do que passo a descrever, me levou a outra experiência totalmente improvável na rede privada.  

A sequência profissional que se seguiu pode ser vista em: Minha experiência na Rede Privada

Conto de outro ângulo focando em Antonio Carbonari Neto